L'intelligence artificielle (IA) révolutionne le domaine de la découverte de médicaments , promettant une ère dans laquelle la conception de médicaments sera plus précise, plus efficace et radicalement innovante, selon les experts du secteur.
Un exemple clair de cette avancée se reflète dans les expériences récentes d' Eli Lilly , dont les scientifiques ont été surpris par la capacité de l'IA à générer des conceptions moléculaires innovantes. Cette étape importante suggère une transformation de l’industrie pharmaceutique et de la méthode scientifique utilisée depuis des siècles.
DeepMind de Google, avec son projet AlphaFold , a marqué un avant et un après en démontrant comment l'IA peut démêler la structure des protéines, base fondamentale pour le développement de nouveaux médicaments. Selon Kimberly Powell, vice-présidente des soins de santé chez Nvidia , « c'est le moment AlphaFold » qui a montré le potentiel de l'IA en biologie. Cette avancée permet une innovation sans précédent dans la conception de médicaments, facilitant le processus à des échelles et à des résolutions auparavant inimaginables.
Avec l’adoption de modèles génératifs, l’IA peut concevoir des molécules et des protéines qui pourraient potentiellement ouvrir de nouvelles voies en médecine. "L'IA peut "penser" à des modèles de médicaments auxquels un humain ne penserait pas", explique Powell. Cette capacité accélère non seulement la conception, mais augmente également les chances de succès dans la création de nouveaux traitements.
L’utilisation de supercalculateurs d’IA, similaires aux modèles GPT, et la disponibilité des données en biologie numérique permettent de simuler et de prédire les interactions biologiques, ce qui était auparavant un processus long et coûteux. "Nous avons désormais cette capacité de représenter le monde des médicaments (biologie et chimie) grâce aux supercalculateurs IA", détaille Powell.
Les résultats de l’application de l’IA à la découverte de médicaments sont prometteurs . Par exemple, Amgen a réussi à réduire le temps de découverte de médicaments de quelques années à quelques mois grâce à l’IA, augmentant ainsi considérablement le taux de réussite. Cette approche systématique et reproductible transforme le processus traditionnel de découverte de médicaments et améliore considérablement les taux de réussite.
Les possibilités qu’ouvre l’IA dans le développement de nouveaux médicaments sont immenses. De la conception de nouvelles protéines à l’identification de molécules au potentiel thérapeutique, l’IA a le potentiel d’explorer des territoires biologiques inexplorés. "Vous pouvez utiliser ces modèles pour halluciner des protéines qui pourraient avoir toutes les fonctions et caractéristiques dont nous avons besoin", a déclaré Powell à propos de la capacité de l'IA à générer de nouvelles enzymes thérapeutiques.
C'est ainsi que la mise en œuvre de l'IA dans les enquêtes a commencé à fonctionner
Ce changement paradigmatique est déjà mis en œuvre dans des recherches concrètes. À l’ Université du Texas à Austin , par exemple, l’utilisation de l’IA pour la conception de protéines donne des résultats prometteurs dans les thérapies contre le cancer. L’IA facilite le processus d’identification et d’amélioration des protéines thérapeutiques, accélérant ainsi les expériences qui nécessitaient auparavant des interventions complexes de génie génétique.
Les implications de cette révolution technologique sont énormes, non seulement dans la manière dont les médicaments sont découverts et conçus, mais également dans la manière dont la biologie est comprise au niveau moléculaire. « L’espace biologique dans le domaine plus large de la modélisation de l’IA est encore restreint en comparaison », prévient Powell, soulignant le vaste potentiel de croissance et d’exploration qui reste dans l’application de l’IA en biologie.
L’industrie répond à ces avancées en investissant dans des infrastructures capables de prendre en charge la complexité de ces modèles d’IA. L'acquisition par l' Université du Texas à Austin de l'un des plus grands groupes informatiques de Nvidia pour son nouveau Generative AI Center en est la preuve.
Enfin, bien que les progrès soient significatifs et les perspectives encourageantes, les experts conviennent que le test définitif pour ces médicaments conçus par l’IA sera leur performance dans les essais cliniques sur l’homme. Dans cette dernière étape, des preuves solides doivent encore être générées pour confirmer l’efficacité et la sécurité des traitements conçus à l’aide de l’intelligence artificielle.
Comme le souligne Powell, ce processus est similaire à la formation de véhicules autonomes , où l'accumulation de données et leur application dans des modèles améliorent constamment les résultats. Cette approche itérative et basée sur les données promet non seulement d’accélérer la découverte de médicaments, mais également d’élargir l’univers des traitements potentiels, ouvrant ainsi la voie à une nouvelle ère en médecine.